Uni-PNP: Unified Prehensile and Non-prehensile Policy Learning for Generalizable Object Pose Reaching

📄 arXiv: 2610.21735v1 📥 PDF

作者: Wenxuan Zhu, Yuze Wang, Jiangran Lyu, Jiayi Chen, Yixin Zheng, Mi Yan, Li Yi, Zhizheng Zhang, He Wang

分类: cs.RO

发布日期: 2026-10-15

💡 一句话要点

提出Uni-PNP以解决物体姿态到达中的抓取与非抓取动作整合问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 物体操作 抓取与非抓取 强化学习 几何编码器 机器人技术 智能制造

📋 核心要点

  1. 现有方法通常将抓取与非抓取动作分开处理，导致协调性差，难以适应真实环境。
  2. 提出的Uni-PNP通过预训练几何编码器和两阶段强化学习，联合学习抓取与非抓取操作。
  3. 实验结果显示，Uni-PNP在已见物体和未见物体上的成功率显著高于现有基线，验证了其有效性。

📝 摘要（中文）

物体操作通常需要将非抓取动作与抓取相结合。然而，现有方法通常分别开发这些能力，并通过预设的中间目标将其整合，限制了接触动作与抓取的协调性。我们提出了Uni-PNP，一个统一的策略，联合学习物体姿态到达中的抓取和非抓取操作。通过预训练几何编码器预测接触引起的物体运动，并在两阶段强化学习课程中训练策略，鼓励发现非抓取交互及其与抓取的整合。实验表明，在数百个已见物体上成功率为76.39%，在未见物体上为57.91%，分别比最强基线提升20.52和17.79个百分点。

🔬 方法详解

问题定义：本论文旨在解决物体姿态到达任务中抓取与非抓取动作的整合问题。现有方法通常将这两种能力分开处理，导致在实际应用中协调性差，且对物体和夹具的几何形状敏感。

核心思路：论文提出的Uni-PNP策略通过联合学习抓取与非抓取操作，利用预训练的几何编码器来预测接触引起的物体运动，从而提高动作的协调性和适应性。

技术框架：整体架构包括两个主要阶段：首先，使用接触动力学数据集预训练几何编码器；其次，在强化学习课程中，从可抓取物体到不可抓取物体进行策略训练，鼓励非抓取交互的发现。

关键创新：Uni-PNP的主要创新在于其统一的策略学习框架，能够同时处理抓取和非抓取动作，而不是将其分开处理。这种设计使得动作之间的协调性显著提高。

关键设计：在训练过程中，采用了两阶段的强化学习策略，设置了适当的损失函数以平衡抓取与非抓取动作的学习，同时设计了几何编码器以有效捕捉物体的接触动态特征。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，Uni-PNP在数百个已见物体上的成功率达到76.39%，在未见物体上的成功率为57.91%。与最强基线相比，分别提升了20.52和17.79个百分点，验证了其优越的性能。

🎯 应用场景

该研究的潜在应用领域包括机器人抓取、自动化仓储、智能制造等。通过提高物体操作的灵活性和适应性，Uni-PNP能够在复杂环境中实现更高效的物体操控，具有重要的实际价值和未来影响。

📄 摘要（原文）

Object manipulation often requires combining non-prehensile actions with grasping. However, existing approaches typically develop these capabilities separately and integrate them by sequencing distinct primitives through prescribed intermediate objectives, limiting the coordination of contact motions and grasping. Their integration also remains sensitive to object and gripper geometry and depends on particular environmental supports, complicating real-world deployment. We present Uni-PNP, a unified policy that jointly learns prehensile and non-prehensile manipulation for object pose reaching across diverse objects and grippers. To achieve this, we first pretrain a geometry encoder to predict contact-induced object motion using a contact-dynamics dataset constructed from simulated interactions between diverse objects and grippers. We then train the policy in a two-stage reinforcement learning curriculum from graspable objects to ungraspable peers, encouraging the discovery of non-prehensile interactions and their integration with grasping. Experiments show 76.39% success on hundreds of seen objects with grippers, and 57.91% on unseen peers, outperforming the strongest pose-reaching baseline by 20.52 and 17.79 percentage points, respectively. We also analyze emergent behaviors, including nonprehensile and prehensile repositioning, grasp acquisition that requires grasping after tipping, and table-assisted reorientation while grasping, and transfer to the real-world scenario. Project page available at lgswdn.github.io/Uni-PNP.